基于ADHDP的插电式混合动力汽车能量管理策略

为降低插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)燃油消耗量与尾气排放量,提出了一种基于执行依赖启发式动态规划(action dependent heuristic dynamic programming,ADHDP)的能量管理控制策略。针对整车驱动系统具有复杂非线性、不确定性的问题,采用3层BP神经网络分别设计了ADHDP能量管理控制器的执行网络和评价网络,通过ADHDP神经网络的学习和训练过程,可最终获取最优控制量。利用MATLAB/Simulink和ADVISOR平台,在CYC_UDDS、CYC_NEDC及CYC_WVUSUB 3种循环工况下对ADHDP能量管理控制策略进行联合仿真验证,并与经典电辅助能量管理控制策略进行了对比和分析。结果表明:在保证汽车良好驾驶性能的情况下,ADHDP控制策略在3种循环工况下的整车百公里油耗分别下降了19.2%、15.0%和19.5%;尾气HC、CO和NOx的排放量均大幅度降低;CYC_NEDC工况下的CO下降了47.5%。效果较为显著,所设计的能量管理控制策略可有效提升整车的燃油经济性和环保性。

基于ADHDP方法的HVDC整流控制器设计

针对传统PI控制器在HVDC系统受到大干扰时难于产生有效控制作用的问题,设计了一种基于执行依赖启发式动态规划(ADHDP)方法的整流控制器,控制器的执行网络和评价网络均采用BP神经网络进行设计,并利用直流线路电流偏差信号在线训练两个网络以优化控制器性能。仿真结果表明,与传统PI控制器相比,所设计的的控制器具有更好的控制效果。

基于ADHDP的PEMFC温度控制

以质子交换膜燃料电池(PEMFC)非线性控制系统为研究对象,采用执行依赖启发式动态规划(ADHDP)实现对PEMFC温度的控制。首先建立PEMFC的电堆温度动态模型;然后利用ADHDP算法设计PEMFC发电系统温度控制器;最后用Matlab/Simulink仿真平台对启发式动态规划(HDP)、比例积分微分(PID)和ADHDP设计的温度控制器进行对比。ADHDP控制器控制的电堆温度的超调量仅为0.59%,小于HDP的0.94%和PID的4.47%,该ADHDP控制器可提高PEMFC温度控制的稳定性,能更好地改善系统的动态性能,具有更好的温度控制效果。

ADHDP方法在静止无功补偿器优化控制中的应用

介绍了静止无功补偿器SVC和自适应动态规范的执行方法ADHDP的基本原理,基于PI控制法的电压负反馈控制策略,应用ADHDP方法对输入PI调节器的电压偏差进行了优化,并在Matlab/Sim-ulink环境下对SVC控制系统进行了仿真实验。仿真结果表明,经优化后的控制系统响应速度明显提高,动态性能得到了较好的改善。

基于ADHDP的单液流锌镍电池充电电流控制

以单液流锌镍电池非线性系统为研究对象,采用执行依赖启发式动态规划(ADHDP)对单液流锌镍电池的充电电流进行控制。先建立单液流锌镍电池的二阶RC等效电路模型和直流(DC)-DC变换器的Buck电路模型;再利用ADHDP算法设计电流控制器;最后,用MATLAB/SIMULINK仿真平台对ADHDP和比例积分(PI)设计的电流控制器进行对比。该ADHDP控制器可提高充电电流的跟踪性能和抗干扰能力,能更好地改善系统的动态性能,充电电流控制效果更好。在充电初期电流从0 A突变到参考值7 A时,ADHDP控制下的充电电流几乎无超调,而PI的超调量为32.86%。

基于ADHDP方法的生产线喷涂烘干过程温度控制

针对自动化生产线喷涂烘干过程中电加热炉温度具有纯滞后、大惯性等非线性控制特点,提出一种基于控制依赖启发式动态规划的自适应控制方法,实现对电加热炉温度的优化控制。它不需要精确的数学模型,也不需要精确定义最优控制理论中的系统性能指标函数,可以在线学习控制。仿真试验表明,这种方法相比传统的PID控制在稳态误差、超调量、响应速度,抗干扰能力和鲁棒性等方面具有更好的控制效果。

基于ADHDP的ARMA模型及其在矿石价格预测中的应用

结合执行依赖启发式动态规划(ADHDP)提出一种自适应的自回归滑动平均法(ARMA)。介绍ADHDP的网络拓扑结构,并分析每个模块中网络权重的迭代公式推导过程,以及算法的训练流程。阐述对中国矿石价格指数进行预测实验的过程。

刮膜蒸发过程中软测量模型的ADHDP学习控制

针对刮膜式分子蒸馏系统强耦合、非线性和大滞后的特点,当前建模和控制方法难以达到理想的效果,通过分析研究过程工艺参数并构建其数据驱动下的OS-ELM软测量模型,采用了自适应动态规划(ADP)中的一种执行依赖启发式动态规划算法(ADHDP),并设计了相关控制器对分子蒸馏系统进行优化控制,解决了复杂化工对象的最优控制问题,并在仿真实验中与标准执行依赖启发式动态规划(BP-ADHDP)进行对比,结果表明,采用OS-ELM软测量模型的ADHDP学习控制效果更好,实现了刮膜蒸发过程的优化控制,并对其他复杂化工过程具有一定理论指导意义。

基于改进ADHDP算法的倒立摆学习控制

针对动态规划中的"模型灾"和"维数灾"问题,提出了不需要数学模型和最优控制的执行依赖启发式动态规划(Action-dependent Heuristic Dynamic Programming,ADHDP),而ADHDP执行网络和评价网络采用基于监督学习的误差反向传播(BP)算法,但BP算法收敛速度较慢.在此基础上建立了以径向基神经网络(RBFNN)为执行网络和评价网络,并以梯度下降算法为网络的在线学习算法,对ADHDP的控制算法进行改进.通过用倒立摆学习控制模型进行仿真,验证了改进的ADHDP算法具有良好的控制性能和鲁棒性.

船舶航向自适应控制的改进ADHDP方法

船舶航向的自动控制主要方式是PID控制,而今智能化的控制方式得到了广大的应用,使得人们可以更加精确的对船舶进行操控.本文将基于执行依赖启发式动态规划(ADHDP)的控制方式,针对船舶航向的控制特点,在执行网络上并联自适应控制环节,基于Lyapunov稳定性分析,采用RBF神经网络逼近运算,可以减少在船舶操控多变工况下ADHDP控制器的超调问题,使之成为船舶航向控制的智能方法之一.仿真结果显示,基于这种近似动态规划(ADP)的自适应控制能更加精确和快速的对船舶航行进行操控,这也将为船舶的智能化发展奠定基础.

基于ADHDP的分布式交通信号实时优化控制

交通信号实时优化控制的目的是最大程度上减小城市道路拥堵的现象,提高城市交通运输的效率,传统的控制方法不能够最大化地利用相位的绿灯时间。为了实现城市区域化各个路口信号的协同控制,设计了新型多智能体的分布式控制方法来解决复杂的交通信号控制的问题,以车辆的最小等待时间为目标函数建立数学模型,提出一种基于执行依赖启发式动态规划的交通信号协同优化的控制算法。通过编写Matlab程序,对系统进行仿真,实验结果表明,通过动态规划的控制算法比传统的控制算法减少了车辆的等待时间,能够达到交通信号的实时优化控制,提高了人们的交通出行能力。

基于ADHDP的热源供热优化控制

城市集中供热控制系统优化控制的目标是在按需供热的前提下做到高效节能、减排环保,而集中供热系统是一个有着非线性、大滞后和强耦合等特点的多输入多输出系统,采用经典控制理论难以达到理想的控制效果.供热系统的运行调节是影响供热系统能耗的主要因素之一,本文以供热系统中的热源热量生产优化问题为主要研究内容,提出一种基于执行依赖启发式动态规划(ADHDP)算法的热源总供热量优化控制方法,在满足热用户供热需求的前提下,以系统总能耗为目标函数,求解获得热源出口优化供水温度和供水流量设定值.编写Matlab程序进行了仿真实验,实验结果表明了该方法的有效性,具有显著的节能效果.

自适应评价设计的执行依赖方法

自适应评价设计(ACD)是一种适用于非线性系统的近似最优控制方法。介绍了自适应评价设计的执行依赖启发式动态规划(ADHDP)和执行依赖双启发式动态规划(ADDHP)方法,该方法可以解决由对象非线性或者系统建模不良所造成的不确定性问题,适于处理时变的复杂系统和动态变化的复杂任务。阐述了两种方法的结构、计算和评价网络输出上的不同,并通过仿真分析了两种方法各自的学习能力、控制效果。

静止同步补偿器与双馈风电场的无功电压协调控制

基于变速恒频双馈电机的风电场通常按单位功率因数方式运行,而引入无功补偿单元补偿风电场无功需求,这将限制电网波动及故障期间双馈风电场的无功调节能力。针对该问题,提出一种双馈风电场与静止同步补偿器(STATCOM)间的无功电压协调控制器。依据执行依赖启发式动态规划(ADHDP)原理,设计包含执行网络和评价网络的ADHDP控制器。该控制器能够充分发挥STATCOM的无功发生能力,并在故障期间协调双馈风电场产生无功参与并网点电压调节,而在无故障期间保证风电场的单位功率因数运行;而且ADHDP控制器起到附加阻尼作用,有效抑制了故障恢复过程中的电压振荡。算例仿真结果验证了所提控制器的有效性。

基于执行依赖启发式动态规划的船舶减摇鳍在线最优控制

针对船舶线性横摇系统,设计了一种基于执行依赖启发式动态规划(ADHDP)方法的在线学习最优减摇鳍控制器.在设计过程中直接使用输入输出数据获取系统状态值.利用评价网络来逼近针对船舶减摇鳍控制系统设计的性能指标函数,并通过执行网络获得最优控制律,这两个网络都是多层前馈神经网络,即反向传播(BP)神经网络.在训练过程中,这两个神经网络不仅可以使用实时测量数据,也可以减少船舶横摇模型的内部误差和不确定性干扰的影响,从而提高系统的鲁棒性.最后,仿真结果表明所提出的ADHDP控制器对于降低船舶横摇有很好的控制效果.

基于自适应动态规划的半被动双足机器人控制

针对半被动双足机器人系统中存在的强耦合和非线性导致控制困难的问题,采用基于自适应动态规划方法对机器人步态进行最优控制。首先建立机器人系统模型,依据控制目标,确定系统的效用函数,然后,在极限环存在的前提下,通过执行依赖启发式动态规划方法计算得到最优控制力矩。在半被动双足机器人支撑腿脚跟与地面发生碰撞之前,把脉冲力矩沿着支撑脚的方向施加给机器人。仿真结果表明:执行依赖启发式动态规划方法可以控制半被动双足机器人精确地跟踪双足机器人行走的期望步长,并且在系统的稳态误差、超调、响应速度和鲁棒性方面与迭代学习及模糊PID相比有更好的控制效果。

执行依赖启发式动态规划PMSM控制策略研究

永磁同步电机算法中的PID参数固定不变,自适应能力较差;近似动态规划具有自学习能力,能动态调整参数,增强系统的自适应能力;文章将近似动态规划中的代表性算法——执行依赖启发式动态规划与类PI网络相结合,根据环境反馈对各个策略进行评价,选取评价最优的策略在线调整动作网络参数,对永磁同步电机进行自适应最优控制;仿真结果表明,执行依赖启发式动态规划加PI控制算法在系统速度变化和负载变化过程中,动态效果和稳态精度优于传统PID控制。